多模态生物特征识别技术是基于信息融合技术将多个生物特征进行融合以提供充分的识别信息，与仅以提高准确率为目的的单模态生物特征识别系统不同，多模态生物特征识别系统的研究重点在于如何有效的利用多种生物特征，弥补了单一模态生物特征识别存在的认证不稳定和错误率等缺点。本文充分考虑手指指节折痕与手指静脉这两种生物模态的优缺点，手指指节折痕具有特征稳定和信息量不足的特点；手指静脉是利用活体特征进行识别，是身体内部特征，存在着非接触和安全性高等特点；将这两种生物特征进行融合形成双模态生物特征识别系统。其识别性能将好于仅基于手指指节折痕、或手指静脉的单模态生物特征识别系统。本文利用手指指节折痕和手指静脉两种生物特征实现了数据层次的融合，形成了新的融合特征信息，利用该特征信息进行特征提取与匹配，最终在数据层次上实现了双模态生物特征识别系统。其主要由手指指节折痕模块、静脉模块和双模态的融合模块等三部分组成。在手指折痕模块中，先用双模态图形采集装置进行手指折痕图像的采集，其次对指节折痕图像进行预处理，其中，包括图像格式的转变、目标区域的提取、图像增强、分割去噪、细化等操作，得到指节折痕图像的特征图，最后对其进行特征提取与匹配，从而完成了单模态的手指折痕识别系统。本文使用方向滤波对手指折痕图像进行增强同时进行阈值分割，使用中值滤波进行去噪，最后在特征匹配的环节中，使用相对距离的匹配算法完成手指折痕图像的匹配和识别。在手指静脉模块中，采用手指指节折痕模块的算法完成图像目标区域的提取，采用传统的Niblack方法完成静脉图像的分割，使用中值滤波和基于连通区域面积的方法的完成图像去除噪声的任务，最后对静脉图像进行细化，得到静脉图像的特征图，为多模态特征识别系统奠定基础，同时对静脉图像进行特征提取与匹配，最终实现单模态手指静脉识别系统。在最后的双模态融合模块中，先讲述了多模态融合的相关原理和步骤，之后利用手指指节折痕图像和手指静脉图像组成双模态生物特征识别系统。对手指折痕图像和手指静脉图像分别进行图像预处理，将得到的特征图像进行叠加，完成数据层上的融合。之后在对融合后的图像进行特征提取，并采用相对距离的特征匹配算法完成匹配任务。通过对识别结果的分析，验证了双模态识别系统的综合性能要好于单模特的手指指节折痕识别系统和手指静脉识别系统；本文还使用了二级决策的决策层融合算法，该算法也取得了较好的效果，其识别效果也要好于单一的识别系统。